Αυτός ο προσθετικός βραχίονας συνδυάζει χειροκίνητο έλεγχο με μηχανική μάθηση

Αυτός ο προσθετικός βραχίονας συνδυάζει χειροκίνητο έλεγχο με μηχανική μάθηση


Τα προσθετικά άκρα βελτιώνονται κάθε χρόνο, αλλά η δύναμη και η ακρίβεια που κερδίζουν δεν μεταφράζεται πάντοτε σε ευκολότερη ή αποτελεσματικότερη χρήση, αφού οι απωθητές έχουν μόνο ένα βασικό επίπεδο ελέγχου πάνω τους. Μια υποσχόμενη λεωφόρος που ερευνάται από Ελβετούς ερευνητές έχει ένα AI να αναλάβει το χειρωνακτικό έλεγχο.

Για να απεικονίσετε το πρόβλημα, φανταστείτε ένα άτομο με το χέρι ακρωτηριασμένο πάνω από τον αγκώνα που ελέγχει ένα έξυπνο προσθετικό άκρο. Με τους αισθητήρες που τοποθετούνται στους υπόλοιπους μυς τους και σε άλλα σήματα, μπορούν εύκολα να ανυψώσουν το χέρι τους και να τους κατευθύνουν σε μια θέση όπου μπορούν να τραβήξουν ένα αντικείμενο πάνω σε ένα τραπέζι

Αλλά τι συμβαίνει στη συνέχεια; Οι πολλοί μύες και οι τένοντες που θα είχαν ελέγξει τα δάχτυλα έχουν φύγει, και μαζί τους η ικανότητα να αισθανθούν ακριβώς πώς ο χρήστης θέλει να κάμψει ή να επεκτείνει τα τεχνητά ψηφία τους. Αν το μόνο που μπορεί να κάνει ο χρήστης είναι να σηματοδοτήσει μια γενική "λαβή" ή "απελευθέρωση", που χάνει ένα τεράστιο ποσό από αυτό που το χέρι είναι πραγματικά καλό για

Εδώ είναι οι ερευνητές από το École Polytechnique Fédérale de Lausanne (19459006) EPFL) αναλάβει. Το να περιορίζεις να πεις το χέρι για να πιάσεις ή να απελευθερώσεις δεν είναι πρόβλημα αν το χέρι ξέρει τι να κάνει στη συνέχεια – μοιάζει με το πώς τα φυσικά μας χέρια "αυτομάτως" βρίσκουν την καλύτερη πρόσφυση για ένα αντικείμενο χωρίς να χρειάζεται να το σκεφτούμε. Οι ερευνητές της ρομποτικής έχουν εργαστεί για την αυτόματη ανίχνευση των μεθόδων πρόσφυσης για μεγάλο χρονικό διάστημα και είναι ένα τέλειο ταίρι για αυτή την κατάσταση.

τα μυϊκά τους σήματα ενώ επιχειρούν διάφορες κινήσεις και χειρολαβές όσο καλύτερα μπορούν χωρίς το πραγματικό χέρι για να το κάνουν με. Με αυτές τις βασικές πληροφορίες το ρομποτικό χέρι ξέρει ποιο είδος κατανόησης θα έπρεπε να προσπαθήσει και με την παρακολούθηση και τη μεγιστοποίηση της περιοχής επαφής με το αντικείμενο στόχο, το χέρι αυτοσχεδιάζει την καλύτερη πρόσφυση γι 'αυτό σε πραγματικό χρόνο. Παρέχει επίσης αντοχή στην πτώση, μπορεί να προσαρμόσει τη λαβή σε λιγότερο από μισό δευτερόλεπτο αν αρχίσει να γλιστράει.

Το αποτέλεσμα είναι ότι το αντικείμενο είναι αντιληπτό έντονα, αλλά απαλά για όσο διάστημα ο χρήστης συνεχίζει να το πιάζει, ουσιαστικά , τη θέλησή τους. Όταν τελειώσουν με το αντικείμενο, αφού πάρουν μια γουλιά από καφέ ή μετακινήσουν ένα κομμάτι φρούτων από ένα μπολ σε ένα πιάτο, «απελευθερώνουν» το αντικείμενο και το σύστημα αισθάνεται αυτή την αλλαγή στα σήματα των μυών τους και το κάνει το ίδιο.

Μοιάζει με μια άλλη προσέγγιση από τους μαθητές στο Imagine Cup της Microsoft όπου ο βραχίονας είναι εφοδιασμένος με μια κάμερα στην παλάμη που (19659002) Είναι όλο ακόμα πολύ πειραματικό και γίνεται με ρομποτικό βραχίονα τρίτου μέρους και όχι με ιδιαίτερα βελτιστοποιημένο λογισμικό. Ωστόσο, αυτή η τεχνική "κοινό ελέγχου" είναι ελπιδοφόρα και θα μπορούσε να είναι θεμελιώδης για την επόμενη γενιά έξυπνων προθέσεων. Το έγγραφο της ομάδας είναι που δημοσιεύθηκε στο περιοδικό Nature Machine Intelligence .

>Μεταφρασμένο από την Google <
Source link

Αφήστε ένα σχόλιο

Αυτός ο ιστότοπος χρησιμοποιεί το Akismet για να μειώσει τα ανεπιθύμητα σχόλια. Μάθετε πώς υφίστανται επεξεργασία τα δεδομένα των σχολίων σας.